使用启英泰伦离线语音模块制作的一个智能语音小黄人。配合一个MP3-TF-16P模块实现播放离线音频资源，例如儿童音乐和童话故事，还能模仿消防车、警车、救护车，还有彩灯和小夜灯功能。

本项目示例语音内容：

1. 你好、晚安

2. 小黄人魔性笑声

3. 模仿消防车、警车、救护车

4. 儿童诗歌朗诵

5. 成语故事

6. 童话故事

7. 儿歌

8. 童声歌曲

9. 播放特定歌曲

其他功能:

RGB彩灯，小夜灯，眼部运动，播放音频眼睛LED律动

 

原创首次公开。

 

GPL3.0

 

---

离线语音识别使用启英泰伦的CI-C22GS02S模块，为了实现TF卡离线资源的播放，配合使用了型号为MP3-TF-16P的MP3模块，由语音模块通过串口1来发送命令进行控制。。

本项目经过了4个版本的迭代：

1. 第一版测试了基本功能，但是LED律动功能不正常。

这个版本使用了两个喇叭，一个用于语音模块响应词的播放，一个用于MP3模块资源的播放。MP3模块喇叭输出设计了一个倍压电路，用于音频LED律动。但是因为串联了LED而且电压不足的原因，安装到外壳内部之后效果几乎看不到。

1. 第二版将LED律动倍压电路电容更改为电解电容，但是仍然效果不好。
2. 第三版在软件和硬件上都进行了进行了大幅改进：
3. 1.  直接使用MP3模块播放响应词，这样可以移除语音模块的喇叭，将原先的2个喇叭减少为1个。响应词播放音质也比使用语音模块播放有了较大提升。由此带来的另外一个好处是如果不变更命令词，而仅仅更新播报词，那么无需重新编译和烧录固件，只需更新MP3模块对应的播报词音频文件即可。
   2. LED律动倍压电路改为4倍压，律动功能可以正常工作了（参见演示视频）。
   3. 增加语音命令反馈眼部的物理运动。通过控制一个小型电磁铁来实现。第一次设计有一个小bug，割线+飞线后调试成功。第四版修复了此线路问题。
   4. 增加了TP4056锂电池充电电路。
   5. 增加了RGB彩色LED灯带，其中三个灯珠放在背面向外发光，其他灯珠在内部发光。RGB彩灯代码使用了官方SDKcolor_light组件的部分代码，但是移除了HSV相关代码，因为加入HSV代码之后引入了math库，会导致固件体积过大而编译报错。
   6. 增加警灯、彩灯、小夜灯功能。
   7. 增加了一个电源钮子开关。
   8. 为了实现以上功能，语音模块所有可用的GPIO都利用上了。包括RX0/TX0/RX1/TX1/MCLK和三路PWM。
4. 第四版进行了如下升级：
      a. 修复了电磁铁电路的问题。
      b. 调整了RGB LED的插座类型。
      c. 增加了RGB LED的数量。
      d. 小夜灯同时打开RGB灯带和眼部LED。
      e. MP3 BUSY引脚增加一个跳线，烧录的时候需要断开此引脚，否则烧录的时候会干扰串口导致固件下载失败。
      f. 晚安自动打开小夜灯。
5. 为了不再改动第三版的PCB面积，第四版将非常少量的元件贴在了背面。

 

 

---

离线资源均包括播报音的音频文件均放置在MP3模块的TF卡上，相同类型的音频资源放在同一个文件夹下，语音模块通过串口命令控制MP3模块播放指定文件。

1. 到启英泰伦AI平台注册账号。

3.如下图所示，选择左侧菜单栏的“开发资料”，进入开发资料主界面；

 

4. 第三步：如下图所示，选择“软件和固件（SDK开发包，标准Demo固件等）”；

5. 选择您需要下载的SDK版本，如下图所示（此图以“CI112X_SDK_V1.2.9”为例）；

6.如下图所示，点击”CI112X_SDK_V1.2.9.zip”进行下载操作；

7. 如下图所示，等待加载完成后，进行文件的另存；

请注意：加载的过程当中请勿退出或者刷新界面，否则制作进度将会终止！

8. 选择指定文件夹存放SDK压缩包；

 

获取IDE

官方已经配置好了一个绿色版的Eclipse，在“开发资料”-“相关工具及手册”页面，获取百度网盘下载地址。

 

 

软件开发

将下载的Eclipse IDE 和 SDK 分别解压（注意必须是英文文件夹），然后使用Eclipse导入SDK项目，即可开始开发。

关键是修改user_msg_deal.c文件，根据cmd_id执行函数。cmd_id就是“语言模型”中“命令词列表”前面的序号，其中cmd_id从2开始即为命令词（cmd_id=1是唤醒词）。

语音模块使用的是freeRTOS，编程语言是C语言。

 

核心业务逻辑代码如下所示：

play_chengyu()这个函数我做了很多封装，但是实质是循环播放一个文件夹(文件夹参数dir是数字形式的文件夹名称，我把相同类型的文件放在数字文件夹里面，比如01,02,03,04，这是MP3模块对文件访问的要求)。

从串口发送命令的函数如下：

其中校验计算部分可以参考MP3模块文档的调试手册。

 

语音模块SDK开发更多内容请参考启英泰伦AI平台文档。

 

创建语言模型

详细内容可以参考文档中心的新手指南相关部分

首先进入启英泰伦AI平台，左侧菜单栏中选择语言模型，点击创建，进入语言模型制作主界面。

英文样例如下图：

日文样例如下图：

保存后即可下载声学模型和语言模型，声学模型只需要第一次下载然后合并到固件即可。未来如果同一产品的命令词有更新，只需重新建立一个语言模型，然后再次下载并更新语言模型即可，声学模型可以保持不变。

 

播报音合成

点击左侧的菜单中的“播报音合成”进入该模块，如下图所示：

请用户参考如下流程进行操作（注意下方数字标识对应下图中的数字标识），便可进入定制播报音的主界面：

• ①选择菜单栏左侧的“播报音合成”按键
• ②点击创建，即可进入主界面。

• ①语音合成项目名称：用户填写对应的项目名称；
• ②语言类型：目前提供中文以及英文播报音制作；
• ③人声分类：目前提供成年男声，成年女声，男童声，女童声这四种人声制作；
• ④语速：有20个等级，默认等级为10，等级越高语速越快；
• ⑤合成人声：选择完成人声分类后，选择对应的人声；
• ⑥下载样例：选择语言类型后，提供制作表格样例的下载链接；
• ⑦音量：有20个等级，默认等级为10，等级越高音量越大；
• ⑧语音合成文件上传：用户可以按要求的格式将希望生成播报音的词条填入一个文件中，按此按钮上传到平台中，平台使用该文件制作对应的播报音；
• ⑨试听样音：用户可以根据自己的合成人声进行样音试听；
• ⑩填写说明：用户可以及时查看相应的说明；
• ⑪保存or丢弃：确认无误后，选择保存，进行固件生成。

1. 该功能窗口可将文本批量转换成SDK中需要的播报语音。
2. 根据需求选择相应的参数，点击试听按钮试听。
3. 标注“推荐“字样的为推荐发音人。
4. 语速：0最快-20最慢，推荐值10。
5. 音量：0最小-10最大，推荐值10。

注意

1. 上传的EXCEL中，第一列为音频序号，第二列为音频名，第三列为待合成文本。
2. 音频名不宜过长且不能包含空格，待合成文本不宜超过四十字。
3. 现仅支持上传EXCEL文件，请在“样例中”下载EXCEL模板。

 

传的播报音样例文件格式模板可以通过创建表单界面中的“下载样例”获取。用户可以按照该模板的格式，填写需要的播报语句，以及其内容，保存后上传。

中文的样例如下图所示：

英文的样例如下图所示：

用户在合成播报音时，需先新建表单，填写好表单中对应的内容，如下图所示：

填写完成后，点击“上传你的文件”，上传已经按照规范做好的excel文件。

上传完成后，点击左上角的“保存”按键；

等待文件被平台加载；

请注意：加载的过程当中请勿退出或者刷新界面，否则制作进度将会终止！

播报音合成成功后，选择“下载语音合成文件”，便可得到生成的播报音。

1. 打开下载的语言模型文件夹中 CmdWordStructure 目录下配置文件[60000]{cmd_info}.xls

2. 将<0>cmd这个表格中的“播报音1ID”，改为从0开始依次递增。如果你需要开机播放欢迎语，那就把<welcome>一行的播报音ID改为一个与表格上方不重复的数字，本例中改为68。<Inactive>和<beep>播报音ID改为文件名前缀不会使用的一个大数字，比如1000。

3. 将<1>wake表格中的“播报音1ID”的第一行改为0，即唤醒词“小黄人”的对应播报音ID为0，与第一个表格一致。如果你需要开机播放欢迎语，那就把<welcome>一行的播报音ID改为<0>cmd表格中<welcome>一行相同的播报音ID，上面是68，所以这里也是68。<Inactive>和<beep>播报音ID改为文件名前缀不会使用的一个大数字，比如1000。

解压上面合成并下载的播报音压缩文件，里面的文件名前缀应该是对应了上面那个<0>cmd表格中的播报音ID。

如果你在上面设置了欢迎语播报音ID，也可以在上面播报音合成步骤，将它加入播报音合成列表。或者也可以使用一段音乐作为开机欢迎语，关键是要将它的前缀改为<welcome>那一行设置的播报音ID，在上例中我们设置开机欢迎语播报音ID为68，那么开机欢迎语的文件名就应该是"[68]开机欢迎.wav"或者"[68]开机欢迎.mp3"。

 

注：上述步骤是将播报音合成到固件中。而本项目中使用MP3模块播放所有播报音，所以本项目是把所有播报音放在TF卡上，由操作系统发出命令来控制MP3模块播放指定文件。虽然我使用MP3模块播放播报音，但是固件合成仍然需要对应的播报音（既然实际不使用模块播报，可以使用任意的文件替代，但是不能没有），如果固件内缺少播报音会无法正常运行。播放指定文件夹串口命令，请参考上文代码。

 

•  语言模型压缩包内各文件夹说明

CmdWordStructure：该文件夹存放的内容为{cmd_info}表格,为用户词条置信度相关参数配置文件；

GfstCmd：该文件夹存放的内容为平台生成的命令词模型文件；

GfstWake：该文件夹存放的内容为平台生成的唤醒词模型文件；

• 语言模型文件替换方式

SDK语言模型文件夹位置：CI112X_SDK_ASR_Offline_V1.x.xsampleinternalsample_110xfirmware

用户将下载的语言模型文件夹中 GfstCmd 以及 GfstWake 这两个文件夹里的[0]asr_chinese_SE292_CI1122_normal.dat和[1]asr_chinese_SE292_CI1122_normal.dat文件替换SDK语言模型文件位置内的asr文件夹里的内容。

用户将下载的语言模型文件夹中 CmdWordStructure 目录下配置文件[60000]{cmd_info}.xls，放入SDK语言模型文件夹位置的 user_filecmd_info 内并替换原先的内容；（文件名必须要"[60000]"开头，可以改为类似"[60000](小黄人{cmd_info}.xls"之类的名称）

• 声学模型文件替换方式

SDK声学模型文件夹位置：CI112X_SDK_V1.x.xCI112X_SDKsampleinternalsample_1122firmwarednn

用户将下载的声学模型里的内容放到SDK声学模型夹位置内，替换SDK原有的内容，即可使用。

•  播报音文件替换

文件夹位置：CI112X_SDK_ASR_Offline_V1.x.xsampleinternalsample_110xfirmwarevocie

用户将新生成的播报音文件放入上述指定的目录中。

在烧录前需要先将USB转串口的电源地（GND）、串口（TXD、RXD）收发引脚分别和模块对应的引脚连接起来，注意USB转串口的RXD和TXD分别对应模块的UART0_TX和UART0_RX。

1. 第一步：打开“合成分区bin文件.bat”；

2. 第二步：如下图所示，合并分区时会提示选择音频格式，新手用户请选择“adpcm”，选择完成后，按回车键，待加载完成后，该界面会自动关闭；

3. 第三步:打开“打包升级.bat”；

4. 第四步：选择您购买的开发板对应的芯片型号（此操作为第一次使用出现，后续使用请直接进行第五步）；

5. 第五步：确认好芯片型号后，点击“固件打包”按钮，进入升级界面；

6. 第六步：固件升级信息填写：

• 在版本信息区填写软硬件相关信息。

• 选择或填写各分区bin文件路径。

• 点击“刷新地址”，点击“打包固件”。

• 如果弹窗提示地址冲突，调整各分区大小，重新执行上一步。

• 弹窗提示“固件已生成”表示打包成功。如下图所示

第一步：打开“打包升级.bat”；

第二步：选择您购买的开发板对应的芯片型号（此操作为第一次使用出现，后续使用请直接进行第三步）；

第三步：确认好芯片型号后，点击“固件升级”按钮，进入升级界面；

第四步：固件升级

• 选择或填写固件路径。
• 勾选待升级的设备所连接的串口。
• 其他选择：强制更新所有分区，鉴权文件，加密。
• 待升级模块切换到升级模式（短接PG、EN两个引脚）。
• 重启待升级设备或者给设备重新上电，开始升级。
• 等待升级完成，如果顺利的话，升级成功后会进度条会显示100%, 表示更新成功，设备会自动引导进固件代码，如果有上电播报音，能听到上电播报。
• 首次烧录固件时间会较长，以后再次烧录就只会更新固件有改动的部分。
• 如果烧录过程中不小心断电，可能会导致下次烧录后无法正常工作，此时勾选“强制更新所有分区”即可。

 

 

 

---

PCB裸板及Logo验证。

---

演示视频请参看B站链接，文件太大无法上传。

https://www.bilibili.com/video/BV1V34y1X7jH/